提出数据集自适应等距多线性基用于图像压缩

Shiwen An、Zhongyi Ni、Huanhai Zhou、Jin-Guo Liu 等研究者在 arXiv 发布论文（arXiv:2608.00053v4），提出为每个图像数据集训练一组共享的数据集自适应等距多线性基用于图像压缩。方法将基参数化为受量子多体理论启发的等距张量网络，用黎曼优化训练，参数量随规模按多对数增长，保留近线性运行时间与精确可逆性。 实验效果因数据类型而异：在余弦基本身已适配较好的自然照片上，训练出的最佳基仅在激进截断时优于 DCT；在 Quick Draw 线稿上，同一编解码器、相同质量下，最佳训练基比 JPEG 的 8×8 块余弦变换每张图少存约 20% 字节，且未计入基的一次性存储开销。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。